کہاں سے شروع کریں: مہینوں نہیں، دنوں میں ایجنٹک اے آئی انجینئر بنیں

اے آئی سیکھنے کے لیے آپ کے پاس مہینے نہیں ہیں۔ اچھی خبر یہ ہے کہ آپ کو ان کی ضرورت بھی نہیں۔ ہر شخص ایک ہی طرح شروع کرتا ہے: براؤزر میں چھ Foundations کورسز، کچھ بھی انسٹال کیے بغیر، چاہے آپ کوڈ کر سکتے ہوں یا نہیں۔ پھر آپ ایک فیصلہ کرتے ہیں، اے آئی سے اپنا کام کروانا ہے یا ایسی اے آئی بنانی ہے جو آپ کے لیے کام کرے، اور وہاں سے کورسز کا راستہ آگے بڑھتا ہے۔ انجینئر منزل ہے، شرط نہیں۔

یہ حصہ beginner سے ایسے ایجنٹک اے آئی انجینئر تک پہنچنے کا سب سے مختصر راستہ ہے جو واقعی کام ship کر سکے۔ یہ راستہ semesters میں نہیں، دنوں میں ناپا گیا ہے: چند گھنٹوں میں اے آئی کے ساتھ productive ہونا، ایک weekend میں پہلا Digital FTE، اور focused evenings کے ایک مہینے میں پورا Agent Factory stack۔

دن کیوں، مہینے کیوں نہیں

یہ وعدہ ناممکن لگتا ہے، جب تک آپ اس کے پیچھے طریقہ نہیں دیکھتے۔ یہ وہی طریقہ ہے جس سے کوئی بھی شخص کم پس منظر کے ساتھ نئی job میں survive کرتا ہے۔ پہلے، آپ کام کا overview لیتے ہیں۔ دوسرا، آپ وہ چند topics پہچانتے ہیں جو واقعی کام کرنے کے لیے critical ہوتے ہیں۔ تیسرا، آپ ہر topic کا وہ 80% سیکھتے ہیں جو routine میں استعمال ہوتا ہے، کام شروع کرتے ہیں، اور باقی چیزیں راستے میں سیکھتے جاتے ہیں، reference material اپنے پاس رکھ کر۔

ہر topic کی ہر detail پہلے ہی سیکھنے کی کوشش میں مہینے لگ جاتے ہیں۔ آپ کچھ ship کرنے سے پہلے ہی تھک جائیں گے۔ ہمارا تدریسی طریقہ اس کے الٹ philosophy پر بنا ہے: critical 80% cover کریں، آپ کو کام پر لگائیں، اور باقی علم real use سے مکمل ہونے دیں۔ اس section کا ہر فوری کورس اسی سوچ کے مطابق design کیا گیا ہے۔

note

اس کتاب پر ایک نوٹ۔ اس section کے فوری کورسز آپ کو جلدی کام کے قابل بناتے ہیں۔ کتاب کے chapters آپ کا post-course reference ہیں: real work میں جب gap سامنے آئے تو آپ دوبارہ ان کی طرف لوٹ سکتے ہیں۔

یہ حصہ کیسے ترتیب دیا گیا ہے (یہاں سے شروع کریں)

آپ یہ سب کچھ پڑھ کر نہیں سیکھتے؛ آپ اسے ایک واضح راستہ چل کر سیکھتے ہیں۔ اس لیے یہی وہ راستہ ہے، واحد map جو آپ کو ذہن میں رکھنا ہے۔ یہی map sidebar پہلے سے دکھاتا ہے: پہلے Foundations، پھر General Agents، پھر Personal Agent Harnesses، جہاں ہر شخص اپنا persistent agent حاصل کرتا ہے، پھر دو tracks میں سے ایک، Mode 1 یا Mode 2، اور آخر میں References & Companions۔ پوری چیز درمیان میں صرف ایک فیصلے پر گھومتی ہے (کون سا mode)، اور اس فیصلے سے پہلے کی ہر چیز ہر reader کے لیے مشترک ہے۔

سب سے پہلے تھیسس پڑھیں۔ یہ دو versions میں ہے، ایک technical اور business professionals کے لیے، اور ایک absolute beginners کے لیے، تاکہ پس منظر کچھ بھی ہو ہر reader follow کر سکے۔ تھیسس کے بعد Foundations آتی ہیں: language model اصل میں کیا ہے، prompting، agentic work کی دو document languages، وہ code commission کرنا جو آپ کبھی نہیں لکھتے، اے آئی کو ایک task ایک بار سکھانا اور اسے اپنی apps سے connect کرنا، اور AI era میں سوچنا سیکھنا۔ ہر reader mode چننے سے پہلے یہ کورسز لیتا ہے۔

آپ کہاں سے شروع کرتے ہیں؟ براؤزر میں۔ آپ کے پہلے چھ کورسز، Foundations، chat tab میں چلتے ہیں: Claude.ai، ChatGPT، یا Gemini، کچھ بھی install کیے بغیر، چاہے آپ پہلے سے code کر سکتے ہوں یا نہیں۔ وہی browser tab وہ جگہ ہے جہاں روزمرہ کی زیادہ تر AI value پہلے سے موجود ہے۔ جب کام کو آپ کی real files چاہیے ہوتی ہیں تو آپ اپنی machine پر چلنے والے general agent تک پہنچتے ہیں، اور agentic work کی تین layers شروع ہوتی ہیں۔

آپ کو جو mental model چاہیے وہ یہ ہے: اے آئی era میں کام تین layers میں ہوتا ہے۔ آپ general agents کو problems solve کرنے کے لیے استعمال کرتے ہیں۔ آپ specialized jobs کے لیے AI Workers بناتے ہیں۔ پھر ان Workers کو ملا کر AI-Native Companies بناتے ہیں۔ ہر professional engagement ایک ہی طرح شروع ہوتی ہے: ایک انسان general agent کو direction دے رہا ہوتا ہے۔ اصل سوال صرف یہ ہے کہ کون سا agent، اور یہ اس بات پر depend کرتا ہے کہ آپ کیا accomplish کرنا چاہتے ہیں۔

note

ناموں پر ایک quick note۔ اس کتاب میں AI Worker، Digital FTE، اور AI Employee ایک ہی idea کے نام ہیں: ایک specialized agentic system جو human-defined policy کے تحت real job کرتا ہے۔ جب business value پر زور ہو تو ہم Digital FTE کہتے ہیں، implementation پر زور ہو تو AI Worker، اور company کے اندر role پر زور ہو تو AI Employee۔ کسی بھی اور unfamiliar term کے لیے glossary آپ کا ساتھی ہے۔

یہی تین layers وہ arc ہیں جس پر یہ section آپ کو موجودہ جگہ سے آگے لے جاتا ہے:

آپ کو لازمی پورا path چلنے کی ضرورت نہیں۔ زیادہ تر readers stage 4 یا 5 پر رک جاتے ہیں، اور serious career یا first startup کے لیے اتنا کافی ہے۔ مکمل path اس لیے موجود ہے کہ اگر آپ آگے جانا چاہیں تو راستہ واضح ہو۔

اپنا Mode چنیں

اس decision کو قریب سے دیکھیں: اے آئی استعمال کرنے اور ایسی اے آئی بنانے کے درمیان fork جو آپ کے لیے کام کرے۔ پہلے اسے abstract سطح پر چنیں، پھر اپنی row تلاش کریں۔

تھیسس کا section general agent use کے دو modes بتاتا ہے کہ لوگ general-purpose agents کو حقیقت میں دو طریقوں سے استعمال کرتے ہیں۔ Mode 1 اس وقت جب آپ AI کو اپنا کام کرنے کے لیے استعمال کرنا چاہتے ہیں۔ Mode 2 اس وقت جب آپ ایسی AI بنانا چاہتے ہیں جو آپ کے لیے کام کرے۔ "Manufacturing" کا لفظ industrial لگتا ہے، اور واقعی ہے بھی: Workers بنانا انہیں استعمال کرنے سے مختلف discipline ہے۔

ایک چیز decision نہیں بدلتا: Foundations کے فوراً بعد ہر شخص general agent چنتا ہے، Course 7 یا Course 8۔ Mode decision آپ کو track کی طرف route کرتا ہے؛ یہ decide نہیں کرتا کہ آپ general agent استعمال کریں گے یا نہیں۔ آپ ہمیشہ کرتے ہیں۔

	Mode 1: Problem-Solving	Mode 2: Manufacturing
یہ چنیں اگر آپ...	چاہتے ہیں کہ AI آپ کو کام تیز کرنے میں مدد دے	ایسے AI Workers بنانا چاہتے ہیں جو آپ کے لیے کام کریں
یہ کن کے لیے ہے	کوئی بھی: engineers یا knowledge workers	Engineers، یا ایسا knowledge worker جو engineer کے ساتھ paired ہو
آپ کا tool	Claude Code/OpenCode یا Claude Cowork/OpenWork	Claude Code/OpenCode build کرنے کے لیے؛ course pages concepts سکھاتے ہیں جنہیں آپ پہلے خود پڑھتے ہیں، پھر agent سے build کرواتے ہیں
یہاں سے شروع کریں	Course 7 (engineers) یا Course 8 (knowledge workers)	Course 20: AI Agents بنانا
آپ کیا produce کرتے ہیں	مکمل شدہ کام	ایسا Worker جو خود work produce کرتا ہے
Governance کس سے ہوتی ہے	Seven Principles of Problem Solving	Seven Invariants of the Agent Factory

دوراہے سے پہلے ایک نوٹ۔ mode چننے سے پہلے ہر شخص ایک shared step لیتا ہے: خود کو اپنا persistent personal agent دینا۔ یہی Personal Agent Harnesses section ہے (عمومی Agents کے ساتھ OpenClaw، Course 11، اور عمومی Agents کے ساتھ Hermes، Course 12)۔ یہ shared path کا step ہے، mode نہیں: آپ یہاں اپنا agent بناتے ہیں، پھر Mode 1 یا Mode 2 چنتے ہیں۔

موڈ 2 کا نوٹ۔ general agent کا output خود outcome نہیں ہوتا؛ وہ Worker ہوتا ہے جو outcome produce کرتا ہے۔ ایک developer Claude Code استعمال کر کے code-reviewing Worker کی spec بناتا ہے، اسے build کرتا ہے، اور deploy کرتا ہے۔ ایک finance analyst، engineer کے ساتھ مل کر، Claude Code کے ذریعے close-process Worker کی spec بناتا ہے جو ہر month-end پر چلتا ہے۔ tool وہی ہے، discipline وہی ہے، domain مختلف ہے۔

آپ کا Starter Path

اگر Mode picker اب بھی abstract لگتا ہے تو یہی decision مکمل concrete شکل میں دیکھیں: جو row آپ سے match کرتی ہے وہ چنیں اور leftmost course سے شروع کریں۔ ہر path universal Foundations (Courses 1-6) سے شروع ہوتا ہے۔

آپ کون ہیں...	آپ کا starter path	پہلا milestone
Absolute beginner	تھیسس → Course 1 (AI کیا ہے) → Course 2 (Prompting) → Course 3 (Markdown & HTML) → Course 4 (وہ code جو آپ کبھی نہیں لکھتے) → Course 5 (Skills & Connectors) → Course 6 (Thinking)	Foundations مکمل؛ پھر نیچے کسی mode کے ساتھ آگے بڑھیں
Knowledge worker	Foundations (Courses 1-6) → Course 8 (Cowork) → Course 11 یا 12 (coding agent کے ذریعے اپنا harness own کریں) → Course 13 (کیا یہ Agent والا مسئلہ ہے؟) → Course 14 (Principles)	AI کے ساتھ real knowledge work ship کریں
Engineer	Foundations (Courses 1-6) → Course 7 (Claude Code) → Course 11 یا 12 (اپنا harness own کریں) → Course 20 → Course 22 (FTE)	اپنا پہلا Digital FTE ship کریں
Workforce builder	Engineer path، پھر Course 25 (Paperclip) → Course 28 (Evals) → Course 29 (Deploy)	ایک governed اور cloud-deployed AI workforce

کورسز

آپ نے call کر لی ہے، اس لیے یہاں ہر course ہے، ٹھیک اسی grouping میں جو sidebar دکھاتا ہے، full list سے پہلے fastest route اور ہر depth کا time بھی ساتھ ہے۔

tip

کئی courses میں Reader track ہوتا ہے: ایک conceptual، no-build pass جسے آپ کام سمجھنے اور direct کرنے کے لیے لیتے ہیں، ہر line implement کرنے کے لیے نہیں۔ جہاں یہ offered ہو، اسے use کر کے shipped Digital FTE تک سب سے تیز path ہے Foundations (Courses 1-6) → Course 7 → Course 20 → Course 22 → Course 28 (Reader track): تقریباً 15 گھنٹے focused work۔ باقی courses اس Digital FTE کو governed workforce میں بدلتے ہیں، مگر پہلا ship کرنے کے لیے وہ ضروری نہیں۔

گہرائی کے حساب سے کل وقت: Mode 1 (AI کے ساتھ productive) ~8h · Mode 2 minimum (پہلا Digital FTE) ~15h · Mode 2 full (governed workforce) ~28h · مکمل Agent Factory mastery ~48h، cloud deployment course کے ساتھ۔

نیچے دی گئی چھ Foundations سب کے لیے مشترک ہیں؛ اس کے بعد path mode کے حساب سے split ہوتا ہے۔

بنیادیں (سب کے لیے)

1. اے آئی اصل میں کیا ہے - اس machine کا no-math، no-code mental model جو ہر دوسرے course کے نیچے بیٹھی ہے: نو ideas جو explain کرتے ہیں کہ language model look up کرنے کے بجائے predict کیوں کرتا ہے، غلط ہونے پر بھی certain کیوں لگتا ہے، "strawberry" کے letters غلط کیوں count کرتا ہے، اور اس کی skill jagged کیوں ہوتی ہے۔ اسے پہلے پڑھیں، اور نیچے courses میں ہر "اس نے ایسا کیوں کیا؟" کا جواب پہلے سے موجود ہو گا۔ تقریباً 45 منٹ۔

2. اے آئی Prompting in 2026 - ChatGPT، Claude، اور Gemini کو 2026 میں اچھی طرح استعمال کرنے کا 45 منٹ کا، 13-concept primer: context، reasoning modes، deep research، multimodal، اور AI desktop apps۔ یہی mechanics ہیں جنہیں اس کتاب کا ہر chapter پہلے سے معلوم سمجھتا ہے۔

3. مارک ڈاؤن اندر، HTML باہر - Agentic work کی دو document languages پر 13-concept primer: machine کے لیے کافی precise Markdown specs لکھنا، headings، lists، fences، links، اور grade-to-9 validation loop والا spec skeleton، اور human کے لیے کافی rich HTML output demand کرنا، اس publishing ladder کے ساتھ جو artifact کو shareable link میں بدل دیتی ہے۔ Closing prompts سمیت تقریباً 90 minutes۔ Prereq: Course 2.

4. وہ Code جو آپ کبھی نہیں لکھتے - اے آئی سے ایسا code لکھوانے، run کروانے، اور verify کروانے کا 13-concept primer جسے آپ کبھی نہیں پڑھتے۔ کون سے tasks code problems ہیں (Volume، Precision، Repetition، Files)، technical words کے بغیر five-section brief کیسے لکھنا ہے، estimation کے بجائے computation کیسے force کرنی ہے، ایسا result کیسے verify کرنا ہے جسے آپ پڑھ نہیں سکتے، اور وہ پانچ surfaces جہاں AI آپ کے لیے code run کرتا ہے: Claude.ai، Claude Code، OpenCode، Cowork، اور OpenWork۔ تقریباً ایک گھنٹہ، plus closing prompts اور چار projects کے لیے 40 minutes۔ Prereq: Courses 2 اور 3.

5. مہارتیں اور Connectors - دو upgrades کا no-code primer جو chat box کو coworker میں بدل دیتے ہیں۔ ایک Skill AI کو task ایک بار سکھاتی ہے، ایک SKILL.md جسے وہ صرف تب load کرتا ہے جب request match ہو، تاکہ وہ ہر بار آپ کے طریقے سے کام کرے؛ ایک Connector AI کو آپ کی real apps، Drive، Gmail، Slack، یا tracker، تک safe، permission-scoped access دیتا ہے، MCP standard کے ذریعے۔ کس وقت کس کو use کرنا ہے، built-in ones کیسے use کرنے ہیں، AI سے اپنا کیسے بنوانا ہے، وہ file آپ کے لیے لکھتا ہے، اور same five surfaces پر یہ سب safely کیسے کرنا ہے، ChatGPT اور Gemini equivalents کی notes کے ساتھ۔ Accountants، doctors، marketers، engineers، اور students کے لیے built۔ Closing prompts اور projects کے ساتھ تقریباً 75 minutes۔ Prereq: Courses 2-4.

6. اے آئی Era میں سوچنا کیسے ہے - وہ cognitive discipline جو AI سے real value لینے والوں کو باقی لوگوں سے الگ کرتا ہے: agent کب استعمال کرنا ہے، کب نہیں، اور problem کو اس طرح frame کیسے کرنا ہے کہ agent واقعی مدد کر سکے۔

عمومی ایجنٹس (اپنا کو-ورکر چنیں)

یہ وہ general-purpose agents ہیں جنہیں آپ آگے ہر mode میں direct کریں گے۔ Engineers coding agent چنتے ہیں؛ knowledge workers desktop co-working agent چنتے ہیں۔ دونوں Mode 2 میں بھی دوبارہ استعمال ہوتے ہیں، یہ صرف Mode 1 کے لیے مخصوص نہیں، بلکہ ہر mode کے نیچے tool layer ہیں۔ یہاں کے آخری دو courses، Spec-Driven Development اور Loop Engineering، وہ disciplines ہیں جنہیں آپ اپنے چنے ہوئے کسی بھی co-worker پر چلاتے ہیں: پہلے طے کریں کہ کیا بنانا ہے، پھر وہ loop design کریں جو اسے آپ کے لیے بناتا ہے۔

7. ایجنٹک Coding Crash Course: Claude Code and OpenCode - Claude Code اور OpenCode کا 90 منٹ کا، 15-concept tour۔ vocabulary ایک جیسی، keybindings تھوڑی مختلف؛ skills دونوں tools میں صاف transfer ہوتی ہیں۔ Engineers کے لیے general-agent starting point۔

8. کو-ورک Crash Course - Claude Cowork پر 90 منٹ کا، 15-concept primer: real desktop knowledge work delegate کرنا، autonomy ladder، prompt-injection defenses، اور plan-review habit جو زیادہ تر regrets کو روک دیتی ہے۔ Knowledge workers کے لیے general-agent starting point۔

9. تفصیلات پر مبنی ڈویلپمنٹ (Spec-Driven Development) - اس بات پر اتفاق کرنے کا 13-concept primer کہ کیا بنانا ہے، یہ generate کرنے سے پہلے کہ وہ کیسے بنے گا: project constitution، چار phases (Research، Specify، Clarify، Build)، اور وہی discipline تین طریقوں سے چلائی گئی، claude.ai، Claude Code، اور OpenCode میں۔ یہ سوچنے کی ایک discipline ہے، کوئی coding skill نہیں، اس لیے non-programmers بھی اسے چلاتے ہیں۔ تقریباً 90 منٹ، ساتھ ایک دو بار بنایا گیا worked example اور چھ hands-on projects۔ وہ discipline جو آپ کے چنے ہوئے کسی بھی co-worker کو قابلِ اعتماد بناتی ہے۔

10. لوپ انجینئرنگ (Loop Engineering) - ایک ایجنٹ کو باری باری prompt کرنے سے اس loop کو design کرنے کی طرف تبدیلی پر 15-concept primer جو اسے آپ کے لیے prompt کرتا ہے۔ آپ ایک loop کے چھ حصے سیکھتے ہیں، ایک heartbeat، worktree isolation، ایک skill، maker-checker sub-agent تقسیم، ایک connector، اور وہ state spine جو runs کے درمیان زندہ رہتی ہے، ایک بار Claude Code اور OpenCode دونوں میں بنائے گئے، پھر ایک ہی morning-triage-to-PR loop میں جوڑے گئے۔ اس میں dynamic workflows کو ایک beat کے codified جسم کے طور پر، وہ cost-by-cadence discipline جو loop کو سستا رکھتی ہے، اور یہ کہ پائیدار skill loop کے ان دو سروں پر کیوں رہتی ہے جنہیں loop کبھی خودکار نہیں کر سکتا، یعنی intent اور accountability، یہ سب شامل ہیں۔ پڑھنے میں تقریباً دو گھنٹے، بنانے میں زیادہ۔ Prereq: Course 7؛ Course 9 (Spec-Driven Development) پر براہِ راست بنتا ہے۔

ذاتی ایجنٹ ہارنیسز

ایک ایجنٹ استعمال کرنے اور mode چننے کے درمیان shared step۔ یہاں ہر شخص خود کو ایک persistent personal agent دیتا ہے، ایسا جو sessions کے across یاد رکھتا ہے اور آپ کے اپنے بنیادی ڈھانچے پر چلتا ہے، بجائے اس کے کہ ہر chat میں نئے سرے سے شروع کریں۔ آپ اسے coding agent (Claude Code یا OpenCode) کو direct کر کے بناتے ہیں؛ وہ install آپ کے لیے کرتا ہے، اس لیے اگر Cowork آپ کا daily driver بھی ہو تو اس ایک step کے لیے coding agent استعمال کرتے ہیں۔ یہاں اپنا agent own کریں، پھر Mode 1 یا Mode 2 چنیں۔

11. عمومی Agents کے ساتھ OpenClaw - 90 منٹ کا، 6-scenario hands-on course جہاں آپ کا general agent OpenClaw پر Personal AI Employee install اور configure کرتا ہے: zero سے phone پر AI Employee تک، ایک custom skill، ایک MCP tool، ایک heartbeat task، اور آخر میں ACP-spawn demo جہاں AI Employee اپنے coding agent کو خود summon کرتا ہے۔ Karpathy کی "little skill" کو expand کرتا ہے۔ Prereq: Course 7.

12. عمومی Agents کے ساتھ Hermes - 90 منٹ کا، 6-scenario hands-on course جہاں آپ کا general agent Hermes (Nous Research) install اور run کرتا ہے، وہ memory-first، خود کو بہتر کرنے والا harness: مستقل cross-session memory تاکہ وہ جو سیکھے اسے runs کے درمیان ساتھ لے جائے، ایک learning loop جو حل کیے گئے مشکل tasks سے اپنی skills خود لکھتا ہے، model-agnostic تاکہ آپ vendor lock-in سے بچیں، یہ سب آپ کے اپنے بنیادی ڈھانچے پر چلتا ہوا۔ وہی Personal AI Employee idea جو Course 11 میں ہے، مگر ایک ایسے harness پر بنا جو اپنی سیکھی ہوئی باتوں کو مرکب کرتا جاتا ہے۔ Prereq: Course 7؛ Course 11 (OpenClaw) کے ساتھ pair ہوتا ہے۔

موڈ 1: مسئلہ حل کرنے کا ٹریک

Mode 1 تین courses کا ایک arc ہے: تشخیص کرو، حل کرو، عبور کرو۔ آپ طے کرتے ہیں کہ کوئی task ایجنٹ میں آتا بھی ہے یا نہیں اور یہ کون سا mode ہے (Course 13)، اسے ایک ہی session کے اندر اچھی طرح حل کرتے ہیں (Course 14)، اور جب کوئی حل رکھنے کے قابل ثابت ہو جائے تو اسے ایک مستقل worker میں promote کرتے ہیں (Course 15، Mode 2 میں جانے والا پل)۔

13. کیا یہ Agent والا مسئلہ ہے؟ - وہ دس منٹ کی triage جو آپ کوئی بھی ایجنٹ کھولنے سے پہلے چلاتے ہیں۔ تین gates: کیا یہ ایجنٹ کا کام بھی ہے (یا کوئی عام tool، یا ایسا chatbot جو صرف جواب دیتا ہے)، آپ یہ ایک بار کریں گے یا ہر ہفتے (Mode 1 یا Mode 2)، اور «مکمل» کیسا دکھتا ہے؟ تین gates، تین غلط موڑ، ایک واضح راستہ، اور آخر میں ایک reference card جو ہر جواب کو 2026 کے درست tool سے جوڑتی ہے۔ وہ course جو آپ کو ایسے task پر پورا session جلانے سے روکتا ہے جو کبھی ایجنٹ میں آتا ہی نہیں تھا۔ beginners اور ایک بین الاقوامی سامعین کے لیے لکھا گیا۔ Mode 1 کا on-ramp اور پہلا صفحہ۔

14. عمومی Agents کے ساتھ Problem Solving - 90 منٹ کا، 7-principle crash course جو وہ operating discipline سکھاتا ہے جس سے کوئی بھی general agent، Claude Code، OpenCode، Cowork، یا OpenWork، ایک clever toy سے real work ship کرنے والے tool میں بدلتا ہے۔ سات principles چاروں tools پر apply ہوتے ہیں: Bash as the key، code as the universal interface، verification as a core step، small reversible decomposition، persisting state in files، constraints and safety، اور observability۔ اس میں four-phase workflow بھی شامل ہے: explore، plan، implement، commit، اور ایک capstone exercise بھی۔

15. ایک بار کے کام سے Worker تک: مینوفیکچرنگ کی طرف منتقلی - وہ پل جو Mode 1 کو ختم کرتا ہے اور Mode 2 کو کھولتا ہے۔ جب کوئی task جسے آپ بار بار ہاتھ سے حل کرتے رہے ہیں اتنا ثابت ہو جائے کہ مستقل worker بن سکے، اور اسے کیسے promote کرنا ہے: ایک signal (طریقہ بدلنا بند ہو گیا)، چار promotions (آپ کا brief → ایک spec، آپ کی نظر سے جانچ → ایک eval، آپ-loop-میں → ایک escalation rule، آپ کا session → ایک runtime)، اور ایک fork (ایک ذاتی harness کا مالک بنیں، یا ایک Digital FTE manufacture کریں)۔ یہ Mode 1 → Mode 2 کے عبور کو ایک کھائی سے ایک قابلِ عبور قدم میں بدل دیتا ہے، اور دکھاتا ہے کہ worker زیادہ تر promotion ہے، invention نہیں۔ Mode 1 کا آخری صفحہ؛ Mode 2 track (Course 16 سے آگے) کے حوالے کر دیتا ہے۔

موڈ 2: مینوفیکچرنگ ٹریک

پہلے ایک gateway ہے۔ نیچے ہر course assume کرتا ہے کہ آپ اپنے agent کا لکھا Python پڑھ سکتے ہیں، اس لیے اگر آپ نے کبھی code نہیں کیا تو build courses سے پہلے اے آئی Era میں Python سے شروع کریں۔ آپ کی پہلی build loop سے پہلے آتی ہے: ایک connector-native app، یعنی ایسا server جسے host کا model call کرتا ہے، جبکہ آپ کے پاس ابھی اپنا agent loop نہیں ہوتا۔ وہاں سے manufacturing path سات moves میں end-to-end چلتا ہے: Agent بنائیں، اسے Employee میں promote کریں، Employees کو nervous system سے connect کریں، management add کریں، hiring کو dynamic بنائیں، founder کو free کریں، اور evals سے prove کریں کہ پوری workforce measurably trustworthy ہے۔ آخری move کے بغیر manufacturing unprovable رہتی ہے: جن Workers کو آپ measure نہیں کر سکتے، انہیں آپ حقیقت میں ship نہیں کر سکتے۔

16. اے آئی Era میں Python - ان لوگوں کے لیے read-before-you-write primer جنہوں نے کبھی code نہیں کیا۔ آپ blank page سے Python نہیں لکھتے؛ آپ اپنے agent کے generated Python کو پڑھنا، predict کرنا، test کرنا، اور verify کرنا سیکھتے ہیں، PRIMM-AI+ method اور Test-Driven Generation (TDG) loop کے ساتھ۔ 17 concepts اور six small projects، ایک companion base کے ساتھ جو آپ کے agent کو disciplined tutor میں بدل دیتا ہے۔ ہر Mode 2 build course جس literacy gateway کو assume کرتا ہے، اور Part 4 کی on-ramp۔ Prereq: Course 7.

17. Connector-Native Apps - loop سے پہلے والی build course: ایک remote MCP server ship کریں جسے free-tier Claude user ایک pasted URL اور ایک Authorize click سے add کرتا ہے، اس سے پہلے کہ آپ اپنا agent loop لکھیں۔ connector-native app کے چار invariants پر 14 concepts: ایک gateway، صرف tools، verified sign-in سے identity prove کرنا، اور fail closed؛ Reading Room worked example میں OAuth 2.1، two-table Postgres memory، session-init gate، اور real deploy کے ساتھ۔ host model اور loop لاتا ہے؛ آپ کا server tools، state، اور identity لاتا ہے۔ پڑھنے کے لیے تقریباً 90-120 minutes، build کے لیے ایک focused day۔ Prereq: Courses 7 اور 16؛ راستے میں آگے آنے والا Build AI Agents آپ کو loop دیتا ہے.

18. اے آئی Agents کے لیے Plugins - ایک حقیقی plugin بنائیں اور ship کریں جو ایسے AI agent کو extend کرتا ہے جس کے آپ مالک نہیں (Claude Code یا OpenCode)، اور وہی bundle claude.ai تک پہنچتا دیکھیں۔ agent plugin کے چار invariants اور اس کے چار levers (ایک skill، ایک subagent، ایک MCP server، ایک hook) پر تیرہ concepts، اور ساتھ میں وہ deterministic exit-2 guard جو مشورے کو ضمانت میں بدل دیتا ہے۔ ایک tested starter آپ کو خالی folder سے اس plugin تک لے جاتا ہے جسے کوئی teammate ایک command سے install کر لیتا ہے۔ یہ Connector-Native Apps کا آئینہ ہے: وہاں آپ نے chat app کو extend کیا تھا؛ یہاں آپ coding agent کو extend کرتے ہیں۔ Prereq: Course 17.

19. اے آئی Identity: انسانی Sign-In اور Agent Access - identity اور access کی layer، دو حصوں میں: پہلے اپنے sign-in کے مالک بنیں (email اور social login، sessions، two-factor، اور ایک OAuth/OIDC server جو حقیقی tokens جاری کرتا ہے، Better Auth پر بنا)، پھر ایک AI worker کو اس کی اپنی credential دیں اور کسی شخص کی طرف سے عمل کرنے کا ایک scoped، time-boxed، revocable، اور human-approved طریقہ دیں۔ مرکزی سوال: یہ identity کس کی ہے، اور اختیار کسی انسان سے ایجنٹ تک کیسے منتقل ہوتا ہے؟ انسانی sign-in آج production-grade ہے؛ agent identity ابھی طے ہو رہی ہے، اس لیے course پائیدار primitives پر ٹکتا ہے۔ Prereq: Course 17.

20. اے آئی Agents بنانا: Crash Course - OpenAI Agents SDK پر 90 منٹ کا، 16-concept primer: agent loop، tools، sessions، streaming، handoffs، guardrails، tracing، day-1 evals، human approval، Cloudflare پر sandboxed deployment، اور cost discipline کے لیے DeepSeek V4 Flash۔ Prereq: Course 7.

21. اپنی اے آئی کو Searchable Context دیں: RAG on Postgres with pgvector - اپنے AI کو searchable context دینے پر 15-concept primer: آپ اپنے agent کو direct کرتے ہیں کہ وہ Neon + pgvector کو working RAG system میں بدل دے: schema، ایک embedding worker، chunking، semantic اور hybrid search، eval-driven retrieval، اور ایک read-only RAG MCP server جسے کوئی بھی agent call کر سکتا ہے۔ وہ retrieval foundation جس پر Digital FTE بنتا ہے، اسی Manufacturing base سے۔ ~90-minute read plus ایک build۔ Prereq: Course 7.

22. ایجنٹ سے Digital FTE تک - basic agent کو durable Worker میں بدلنے کی 4-hour workshop: portable Skills، Neon Postgres with pgvector as the system of record، Model Context Protocol as the wire between them، audit-trail discipline، approval as the authority model، اور end-to-end customer-support Worker۔ 15 concepts، 8 build decisions۔ Quick Win in 15 minutes؛ cheat-sheet skim in 90؛ full build کے لیے تقریباً 3 مزید گھنٹے۔ Prereq: Course 20.

23. ڈیجیٹل FTE سے Nervous System والے Production Worker تک - 90 منٹ کا، 15-concept course جو آپ کے Digital FTE کو Inngest operational envelope میں wrap کرتا ہے: durable execution، event-driven triggers، step memoization، concurrency and throttling، replay، اور HITL gates۔ customer-support Worker کو extend کرتا ہے تاکہ وہ network blips، restarts، اور long-pending approvals کے باوجود زندہ رہے۔ Prereq: Course 22.

24. انسان-ایجنٹ ٹیمیں: آپ کی افرادی قوت کا آپریٹنگ ماڈل - انسانوں اور Digital FTEs کو ایک ہی ٹیم کے طور پر چلانے کا operating model: کھلے عام کام، واضح roles والا ایک roster، ایک north star، اور ایسا اعتماد جو verified reliability کے ساتھ بڑھتا ہے۔ کوئی code نہیں؛ آپ اپنے agent کو direct کرتے ہیں کہ وہ آٹھ operating documents draft کرے (roster، role cards، north star، verification rubric، doer-verifier، weekly report، attention budget) اور آپ ایک حقیقی ٹیم کا operating manual لے کر نکلتے ہیں۔ اپنے پہلے worker کے وجود میں آنے سے پہلے planning mode میں یہ کیا جا سکتا ہے۔ Prereq: planning mode کے لیے Course 7؛ live mode ایک Digital FTE (Course 22) فرض کرتا ہے۔

25. افرادی قوت Paperclip کے ساتھ بنانا - 90 منٹ کا، 6-scenario hands-on course جہاں آپ کا coding agent Paperclip کھڑا کرتا ہے (open-source، MIT-licensed AI-native company control plane)، ایک keyless local Worker hire کرتا ہے، board approval کو permanent audited decision record کے طور پر file کرتا ہے، real Gemini-backed Worker swap کرتا ہے تاکہ budget کے پاس آخرکار meter کرنے کے لیے billable work ہو، اور activity log کے against ایک SQL query سے پوری company history reconstruct کرتا ہے۔ Scenarios 1-4 اور 6 کسی API key کے بغیر چلتے ہیں؛ صرف budget scenario کے لیے free Gemini key چاہیے۔ Prereq: Course 22 یا Course 11.

26. مقرر Workforce سے Dynamic Workforce تک - آدھے دن کی، 15-concept اور 7-decision workshop جہاں Course 25 کی workforce capability gap detect کرتی ہے، hire proposal draft کرتی ہے، اسے اسی approval primitive سے گزارتی ہے جو $500 refund کو gate کرتا ہے، اور Claude Managed Agents پر Legal Specialist provision کرتی ہے۔ Hiring as a callable function۔ Invariant 6 close کرتا ہے: workforce policy کے اندر expandable ہے۔ Prereq: Course 25.

27. بانی Bottleneck سے Owner Delegate تک - آدھے دن کی، 15-concept اور 7-decision workshop جہاں workforce کا owner OpenClaw پر Owner Identic AI configure کرتا ہے: یہ routine Paperclip approval requests پڑھتا ہے، signed delegated envelope کے اندر والی approvals clear کرتا ہے، اور صرف وہ decisions surface کرتا ہے جنہیں واقعی human چاہیے۔ owner آخری bottleneck ہے؛ یہ course اسے remove کرتا ہے۔ Invariant 2 close کرتا ہے: ہر human کو delegate چاہیے۔ mock endpoints، rules templates، اور sample judgment context کے ساتھ downloadable lab starter zip ship کرتا ہے۔ Prereq: Course 26.

28. اے آئی Employees کے لیے Eval-Driven Development - وہ discipline جو manufacturing arc کو close کرتا ہے اور Courses 7 through 27 میں built ہر چیز کو wrap کرتا ہے۔ چار learning tracks: Reader (~3-4 hours، conceptual)، Beginner (~1 day)، Intermediate (~2 days)، Advanced (~3 days for full implementation)۔ 15 concepts plus 7-decision lab۔ یہ nine-layer evaluation pyramid سکھاتا ہے: unit، integration، output، tool-use، trace، RAG، safety، regression، production؛ اور وہ four-tool stack جو اسے fill کرتا ہے: OpenAI Agent Evals with trace grading، DeepEval، Ragas، Phoenix۔ end state: ایسی workforce جس کا ہر member measurably trustworthy ہو، weekly trace-to-regression-test promotion ritual کے ساتھ جو eval suite کو مہینوں تک alive رکھتا ہے۔ Reader track leaders کے لیے؛ Advanced track shipping teams کے لیے۔ OpenAI Agents SDK یا Claude Managed Agents runtime میں سے کسی ایک کا assumption ہے۔

29. ایجنٹ Harness کو Cloud پر Deploy کریں - وہ course جو manufacturing track میں built ہر چیز ship کرتا ہے۔ یہ harness/sandbox split سکھاتا ہے: control plane، یعنی harness جو secrets hold کرتا ہے، agent loop run کرتا ہے، اور state رکھتا ہے، execution plane سے different security boundary میں رہتا ہے، یعنی sandbox جہاں agent کا generated code حقیقت میں run ہوتا ہے۔ آپ ایک complete production path deploy کرتے ہیں: harness کے لیے Azure Container Apps پر FastAPI، durable state کے لیے Neon Postgres، files کے لیے Cloudflare R2، code-execution sandbox، four-surface observability، اور Course 28 eval suite کو CI gate کے طور پر wire کرنا۔ چار learning tracks: leaders اور architects کے لیے Reader؛ shipping teams کے لیے Beginner through Advanced؛ 17 concepts، اور 9-decision agent-driven lab جہاں آپ کا coding agent companion AGENTS.md پڑھتا ہے اور harness بناتا ہے جبکہ آپ اسے direct کرتے ہیں۔ Prereq: Course 28؛ Decision 8 اس کی eval suite wire کرتا ہے۔ Reader track کو cloud accounts نہیں چاہیے۔

30. ایجنٹک Architectures کا انتخاب - pattern selection پر conceptual crash course: task کے بارے میں five questions آپ کو four core patterns تک لے جاتے ہیں (sequential workflow؛ single agent + ReAct + tools؛ planning + ReAct execution؛ multi-agent specialist)، reflection کو additive layer کے طور پر اوپر رکھتے ہوئے۔ discipline یہ ہے کہ architectural fit کے حساب سے choose کرنا ہے، نہ کہ جو impressive دکھے اس سے: ہر pattern task کے بارے میں ایک bet ہے، اور صحیح bet وہ ہے جس کی assumptions reality سے match کرتی ہیں۔ five-question decision tree، دو equally common failure modes، overshooting اور undershooting، runtime signals جو mismatch ظاہر کرتے ہیں، اور ہر pattern آپ کی deployment topology اور eval suite کے ساتھ کیسے compose ہوتا ہے۔ چار learning tracks: Reader ~2-3 hours conceptual؛ Beginner ~1 day؛ Intermediate ~2-3 days؛ Advanced ~4-5 days، five-case decision lab، اور design reviews کے لیے printable classify-this-task worksheet۔ Prereq: آپ agents build اور evaluate کر سکتے ہیں؛ agent-building، operational-envelope، اور eval courses کو cross-reference کرتا ہے۔

31. ادائیگی کے قابل Agents: ACP، AP2، x402، اور MPP - وہ چار protocols جو agents کو money move کرنے دیتے ہیں: consumer shopping کے لیے ACP، authorization mandates کے لیے AP2، HTTP-native machine payments کے لیے x402، اور session-based settlement کے لیے MPP۔ مرکزی idea: یہ چاروں layers ہیں، rivals نہیں۔ آپ use case پڑھتے ہیں، ہر layer کے لیے protocol choose کرتے ہیں (discovery، authorization، commerce، settlement)، اور انہیں OpenAI Agents SDK code کے طور پر compose کرتے ہیں، tool-input guardrail کے ساتھ جو payment ہونے سے پہلے روک دیتا ہے۔ چار learning tracks: Reader ~2-3 hours conceptual؛ Beginner through Advanced shipping teams کے لیے؛ 19 concepts، five-decision lab، اور three-level spend-limit discipline جو runaway agent کو wallet drain کرنے سے روکتی ہے۔ Prereq: Course 20 (OpenAI Agents SDK)؛ Course 23 (Inngest) اور Course 29 (cloud deployment) کے ساتھ pair ہوتا ہے۔

حوالہ جات اور ساتھی مواد

32. کون سے AI Employees 2026 میں استعمال کریں؟ - پانچ tools، آپ کی identity اور ضرورت کے مطابق matched۔ ایک منٹ سے کم وقت میں اپنا starting point تلاش کریں۔

33. چیٹ شیٹس - اس کتاب کے key tools کے لیے interactive quick-reference cards: Claude Code، Claude collaborative workspace، اور OpenClaw۔

34. ایجنٹک Engineering کی بنیادیں - اس section میں ہر چیز کو support کرنے والی engineering discipline پر 45-minute primer: agent-based systems کو اسی rigor کے ساتھ design، ship، اور operate کیسے کرنا ہے جو آپ کسی بھی production software پر لگاتے ہیں۔ Course 22 سے آگے جانے والے ہر شخص کے لیے optional companion read۔

دوسرا مستقل companion glossary ہے۔ دونوں tabs میں open رکھیں۔

ختم کرنے کے بعد آپ کے پاس کیا ہوگا

جب آپ اس section کے آخر تک پہنچیں گے تو آپ صرف Agent Factory thesis کو سمجھ نہیں رہے ہوں گے؛ آپ اس کے مطابق build کر چکے ہوں گے۔ آپ general agents استعمال کر کے real work ship کر چکے ہوں گے۔ آپ کم از کم ایک Digital FTE deploy کر چکے ہوں گے جو آپ کے بغیر چلتا ہے۔ آپ اسے nervous system سے connect کر چکے ہوں گے، اسے Paperclip-governed workforce کے اندر رکھ چکے ہوں گے، اس workforce کو اپنے colleagues hire کرتے دیکھ چکے ہوں گے، اور Identic AI کے ذریعے خود کو اس کا bottleneck بننے سے آزاد کر چکے ہوں گے۔ آپ پوری چیز کو اپنے لکھے ہوئے evals میں wrap کر چکے ہوں گے، تاکہ آپ prove کر سکیں، صرف hope نہ کریں، کہ ہر Worker trustworthy ہے۔

یہی اس کتاب اور ہر دوسرے AI course میں فرق ہے: آپ notes کے ساتھ ختم نہیں کرتے۔ آپ working AI workforce کے ساتھ ختم کرتے ہیں۔

اور کتاب useful رہتی ہے: chapters وہ reference ہیں جس کی طرف آپ stuck ہونے پر دوبارہ رجوع کرتے ہیں۔

اس section کے بعد آنے والی ہر چیز اسی کو refine کرتی ہے جو آپ پہلے ہی build کر چکے ہیں۔ اب اپنا mode چنیں اور شروع کریں۔